MétaCan
Menu
Retour à la cohorte
Enregistrement W2164293187 · doi:10.2174/1389450033491190

Antisense Targets to Enhance Hormone and Cytotoxic Therapies in Advanced Prostate Cancer

2003· review· en· W2164293187 sur OpenAlexaff
Martin Gleave, Colleen C. Nelson, Kim Chi

Notice bibliographique

RevueCurrent Drug Targets · 2003
Typereview
Langueen
DomaineMedicine
ThématiqueProstate Cancer Treatment and Research
Établissements canadiensUniversity of British ColumbiaVancouver General HospitalVancouver Hospital and Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésProstate cancerCytotoxic T cellMedicineCancerProstateCancer researchHormoneBioinformaticsOncologyInternal medicineBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

The main obstacle to improved survival of advanced prostate cancer is our failure to prevent or treat its progression to its lethal and untreatable stage of androgen independence. New therapeutic agents designed to prevent androgen-independent progression are required. Accelerated identification and characterization of cancer-relevant molecular targets has sparked considerable interest in the development of new generations of anti-cancer agents that specifically inhibit a progression-relevant target. Antisense oligonucleotides, short synthetic stretches of chemically modified DNA capable of specifically hybridizing to the mRNA of a chosen cancer-relevant target gene. promise to show enhanced specificity for malignant cells with a more favorable side-effect profile due to well-defined and tailored modes of action. Although not all of the challenges have been met to date, emerging clinical evidence supports the premise that antisense oligonucleotides stand a realistic chance of emerging as major partners of rationally designed anti-cancer regimens. The status of antisense targeting of several genes, including bcl-2, bcl-xL, clusterin, androgen receptor and IGFBPs, relevant to prostate and other cancers, are reviewed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,037
Tête enseignante GPT0,408
Écart entre enseignants0,371 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Drug TargetsMême sujetProstate Cancer Treatment and ResearchTravaux en français237 207